随着集成电路先进制程工艺的不断进步，集成芯片热问题愈加显著，热仿真成为集成电路设计中的关键步骤。然而，集成电路庞大的规模给芯片快速仿真带来巨大的挑战。近年来，机器学习已在计算机视觉、自然语言处理、文本识别等诸多领域取得了突破性进展，并革命性地超越了传统方法。基于此思路，众多学者将机器学习应用于加速集成电路热仿真，集成电路电子设计自动化人工智能（AI for EDA）成为研究热点。本报告将介绍芯片热仿真解析方法，数值方法以及近几年提出的先进机器学习技术。

报告人介绍：陈亮博士，上海大学微电子学院副教授，硕士生导师，于2015年获得西北工业大学电磁场与无线技术学士学位，于2020年获得上海交通大学电子科学与技术博士学位，2020-2022年，在美国加州大学河滨分校从事博士后研究。主要研究方向为集成电路多物理场建模与仿真技术，包括三维封装的电磁热耦合机制和快速计算方法、集成电路电迁移可靠性分析、集成电路系统级热仿真技术、机器学习在集成电路多物理场仿真中的应用等等。

2023年，入选教育部海外博士后引才专项和上海市领军人才（海外）青年项目。担任集成电路领域Integration, the VLSI Journal国际期刊副主编，担任EDA领域ICCAD2023国际会议的执行委员会成员，曾担任2021年国际亚太微波会议器件和电路建模分会场主席，参与3项国家自然科学基金项目和3项美国国家自然科学基金项目。